Actualmente se realizan experimentos en muchas organizaciones de fabricación

para aumentar nuestra comprensión y conocimiento de varios procesos de

fabricación. Los experimentos en las empresas de fabricación a menudo se llevan
a cabo en una serie de ensayos o pruebas que producen resultados cuantificables.
Para la mejora continua de la calidad del producto, es fundamental comprender el
comportamiento del proceso; la cantidad de variabilidad y su impacto en los
procesos. En un entorno de ingeniería, a menudo se realizan experimentos para
explorar, estimar o confirmar. La exploración se refiere a la comprensión de los
datos del proceso. La estimación se refiere a determinar los efectos de las
variables o factores del proceso en la característica de rendimiento de salida. La
confirmación implica verificar los resultados previstos obtenidos del experimento.
En los procesos de fabricación, a menudo es de interés principal explorar las
relaciones entre las variables clave del proceso de entrada y las características de
rendimiento de la salida. Por ejemplo, en una operación de corte de metal, la
velocidad de corte, la velocidad de avance, el tipo de refrigerante, la profundidad
de corte, etc. pueden tratarse como variables de entrada y el acabado de la
superficie de la pieza terminada puede considerarse como una característica de
rendimiento de salida. En los procesos de servicio, a menudo es más difícil
comprender qué se va a medir; además, la variabilidad del proceso en el contexto
del servicio puede atribuirse a factores humanos, que son difíciles de controlar.
Además, la prestación de la calidad del servicio depende en gran medida de las
influencias situacionales de la persona que presta el servicio.
Uno de los enfoques comunes que emplean muchos ingenieros en la actualidad
en las empresas de fabricación es One-Variable-At-a-Time (OVAT), donde
variamos una variable a la vez y mantenemos fijas todas las demás variables del
experimento. Este enfoque depende de conjeturas, suerte, experiencia e intuición
para su éxito. Además, este tipo de experimentación requiere grandes cantidades
de recursos para obtener una cantidad limitada de información sobre el proceso.
Los experimentos de OVAT a menudo no son confiables, ineficientes y requieren
mucho tiempo y pueden producir condiciones óptimas falsas para el proceso.
El pensamiento estadístico y los métodos estadísticos juegan un papel importante
en la planificación, realización, análisis e interpretación de los datos de los
experimentos de ingeniería. El pensamiento estadístico nos dice cómo lidiar con la
variabilidad y cómo recopilar y usar datos para que se puedan tomar decisiones
efectivas sobre los procesos o sistemas con los que tratamos todos los días.
Cuando varias variables influyen en una determinada característica de un
producto, la mejor estrategia es diseñar un experimento para que se puedan
extraer conclusiones válidas, fiables y sólidas de forma eficaz, eficiente y
económica. En un experimento diseñado, a menudo hacemos cambios
deliberados en las variables de entrada (o factores) y luego determinamos cómo
varía el rendimiento funcional de salida en consecuencia. Es importante señalar
que no todas las variables afectan el desempeño de la misma manera. Algunos
pueden tener una fuerte influencia en el rendimiento de salida, algunos pueden
tener influencias medias y algunos pueden no tener ninguna influencia. Por lo
tanto, el objetivo de un experimento diseñado cuidadosamente es comprender qué
el conjunto de variables en un proceso que afectan más el desempeño y luego
determinan los mejores niveles de estas variables para obtener un desempeño
funcional de salida satisfactorio en los productos. Además, también podemos
establecer los niveles de variables sin importancia en sus entornos más
económicos. Esto tendría un impacto inmenso en los ahorros financieros para el
resultado final de una empresa.
Los experimentos industriales involucran una secuencia de actividades:
1. Hipótesis: una suposición que motiva el experimento.
2. Experimento: una serie de pruebas realizadas para investigar la hipótesis.
3. Análisis: comprender la naturaleza de los datos y realizar un análisis
estadístico de los datos recopilados del experimento.
4. Interpretación: comprensión de los resultados del análisis experimental.
5. Conclusión: declarar si la hipótesis del conjunto original es verdadera o
falsa. Muy a menudo se deben realizar más experimentos para probar la
hipótesis y, a veces, establecemos una nueva hipótesis que requiere más
experimentos.
Para la aplicación exitosa de un experimento de diseño industrial, generalmente
requerimos las siguientes habilidades:
Habilidades de planificación: Comprender la importancia de la experimentación
para un problema en particular, el tiempo y el presupuesto experimental
necesarios para el experimento, cuántas personas están involucradas en la
experimentación, establecer quién está haciendo qué, etc.
Habilidades estadísticas: El análisis estadístico de los datos obtenidos del
experimento, la asignación de factores e interacciones a varias columnas de la
matriz de diseño (o diseño experimental), interpretación de los resultados del
experimento para tomar decisiones sólidas y válidas para la mejora, etc.
Habilidades de trabajo en equipo: Comprender los objetivos del experimento y
tener una comprensión compartida de los objetivos experimentales a alcanzar,
mejor comunicación entre personas con diferentes habilidades y aprendizaje entre
sí, lluvia de ideas de factores para el experimento por parte de los miembros del
equipo, etc.
Habilidades de ingeniería: Determinación del número de niveles de cada factor y
el rango en el que se puede variar cada factor, determinación de qué medir dentro
del experimento, determinación de la capacidad del sistema de medición
implementado, determinación de qué factores pueden ser controlado y lo que no
se puede controlar para el experimento, etc.